Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
高校講座 | 第2回 内容ベース推薦システム
Search
RecSysLab
PRO
August 06, 2022
Technology
560
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
高校講座 | 第2回 内容ベース推薦システム
下記教科書を基にした高校生向けの推薦システム講座の講義スライドです。
奥 健太:基礎から学ぶ推薦システム - 情報技術で嗜好を予測する -, コロナ社 (2022)
RecSysLab
PRO
August 06, 2022
More Decks by RecSysLab
See All by RecSysLab
[最強DB講義]推薦システム | 評価編
recsyslab
PRO
0
150
[最強DB講義]推薦システム | 基礎編
recsyslab
PRO
1
240
データベース|SQL
recsyslab
PRO
0
130
龍谷ICT教育|プログラミング演習科目における自動採点ツールを用いた自由進度学習
recsyslab
PRO
0
180
[RecSys2023論文読み会]Interface Design to Mitigate Inflation in Recommender Systems
recsyslab
PRO
0
180
[RecSys2022論文読み会]Bundle MCR: Towards Conversational Bundle Recommendation
recsyslab
PRO
0
460
高校講座 | 第1回 推薦システムとは
recsyslab
PRO
0
610
高校講座 | 第3回 協調ベース推薦システム
recsyslab
PRO
0
540
内容ベース推薦システム | 第2回 推薦システム概論
recsyslab
PRO
0
900
Other Decks in Technology
See All in Technology
非定型なドキュメントを効率よくリファクタする 〜えぇ!?仕様書27本の移行が1日で終わったって!?〜
subroh0508
2
580
Data + AI Summit 2026 イベントレポート: 「AIがビジネスで意思決定するデータ基盤」へ
nek0128
0
290
SoccerMaster: A Vision Foundation Model for Soccer Understanding
kzykmyzw
0
150
41歳でAWSが好きすぎてITエンジニアになったおっさんの話
yama3133
0
450
DatabricksにおけるMCPソリューション
taka_aki
1
290
Genie Ontologyは銀の弾丸かを考える / Is Genie Ontology a Silver Bullet?
nttcom
0
420
Gen3R: 3D Scene Generation Meets Feed-Forward Reconstruction
spatial_ai_network
0
140
AmplifyHostingConstructからSSRフレームワークのためのホスティング設計を考察する/amplify-hosting-construct
fossamagna
1
260
DMM.com 購入改善推進チーム におけるCodeRabbitを用いた レビューフロー改善の一例
ysknsid25
2
670
AI時代の開発生産性を捉え直す — 経営と現場をつなぐ「開発組織のオブザーバビリティ」— / AI Dev Ex Conference 2026
tkyowa
0
470
人とエージェントが高め合う協業設計
kintotechdev
0
220
“それは自分の仕事じゃない"を越えて行け
yuukiyo
1
490
Featured
See All Featured
30 Presentation Tips
portentint
PRO
1
350
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.8k
sira's awesome portfolio website redesign presentation
elsirapls
0
300
The Impact of AI in SEO - AI Overviews June 2024 Edition
aleyda
5
1.1k
Unlocking the hidden potential of vector embeddings in international SEO
frankvandijk
0
870
Art, The Web, and Tiny UX
lynnandtonic
304
22k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.7k
brightonSEO & MeasureFest 2025 - Christian Goodrich - Winning strategies for Black Friday CRO & PPC
cargoodrich
3
750
Darren the Foodie - Storyboard
khoart
PRO
3
3.4k
Avoiding the “Bad Training, Faster” Trap in the Age of AI
tmiket
0
190
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
31
10k
Beyond borders and beyond the search box: How to win the global "messy middle" with AI-driven SEO
davidcarrasco
3
190
Transcript
推薦システムの仕組み ~この商品を買った人は、こんな商品も買っています~ 高校講座 | 第2回 内容ベース推薦システム 奥 健太
シナリオ Aliceはとあるカレー屋を訪れました。このカレー屋では、辛さと甘さの異なる8種類のカレーを提供して います。Aliceは、これまでに5種類のカレーを試してきました。そのうち、下表のように3種類のカレーを 「好き」、2種類のカレーを「嫌い」と評価してきました。評価値が「?」となっているカレーについて は、Aliceはまだ試していません。Aliceにはどのカレーを推薦するのが良いでしょうか? アイテムID アイテム名 辛さ 甘さ 評価値
1 5辛3甘 5 3 好き 2 4辛4甘 4 4 好き 3 3辛3甘 3 3 好き 4 2辛8甘 2 8 嫌い 5 4辛9甘 4 9 嫌い 6 3辛4甘 3 4 ? 7 1辛7甘 1 7 ? 8 8辛6甘 8 6 ? Aliceの評価履歴 2
ユーザ、アイテム、評価履歴 ユーザ: 推薦システムの利用者 アイテム:推薦システムにおいて扱う商品やコンテンツなど 評価値: ユーザのアイテムに対する好き嫌い 評価履歴: ユーザがこれまで利用してきた アイテムに対して与えた評価値の履歴 アイテムID
アイテム名 辛さ 甘さ 評価値 1 5辛3甘 5 3 好き 2 4辛4甘 4 4 好き 3 3辛3甘 3 3 好き 4 2辛8甘 2 8 嫌い 5 4辛9甘 4 9 嫌い 6 3辛4甘 3 4 ? 7 1辛7甘 1 7 ? 8 8辛6甘 8 6 ? Aliceの評価履歴 3
類似度に基づく推薦 4
アイテムを座標平面上に表してみよう アイテムID アイテム名 辛さ 甘さ 評価値 1 5辛3甘 5 3
好き 2 4辛4甘 4 4 好き 3 3辛3甘 3 3 好き 4 2辛8甘 2 8 嫌い 5 4辛9甘 4 9 嫌い 6 3辛4甘 3 4 ? 7 1辛7甘 1 7 ? 8 8辛6甘 8 6 ? 10 5 0 10 5 甘 さ 辛さ 1 2 3 4 5 6 7 8 5
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 アイテムをベクトルで表すと便利 8辛6甘カレー 辛さ 甘さ *数学B -> 数学C:ベクトル ベクトル*: 数を縦または横に並べたもの 6
10 5 0 10 5 甘 さ 辛さ 1 2
3 Aliceの好みの辛さ、甘さは? 好みのアイテムのベクトルの平均 ユーザプロファイル ユーザの嗜好を表したもの 7
10 5 0 10 5 甘 さ 辛さ 6 7
8 問題 | Aliceはどれが好き? 8
10 5 0 10 5 甘 さ 辛さ 6 7
8 ベクトルのなす角を考えよう コサイン類似度 ベクトルのなす角* *数学II:三角関数、*数学B -> 数学C:ベクトル 9
10 5 0 10 5 甘 さ 辛さ 6 7
8 演習 | 他のコサイン類似度も計算してみよう 10
コサイン類似度が高いとどうなの? コサイン類似度が1に近いほど、二つのベクトルが同じ方向を向いている 類似している 11
10 5 0 10 5 甘 さ 辛さ 6 7
8 順位 アイテムID アイテム名 辛さ 甘さ 類似度 1位 8 8辛6甘 8 6 2位 6 3辛4甘 3 4 3位 7 1辛7甘 1 7 コサイン類似度でランキング Aliceには 8辛6甘カレーがおすすめ 12
k 近傍法 13
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 近傍のアイテムから好き嫌いを予測してみよう このあたりは好き? このあたりは嫌い? 14
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 近傍のアイテムはどれ? 15
10 5 0 10 5 甘 さ 辛さ 3 7
距離を考えよう 2点間の距離* *数学II:図形と方程式 16
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 演習 | 他の距離も計算してみよう 17
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 近傍 k 個のアイテムを見つけよう(k = 3) アイテムID アイテム名 辛さ 甘さ 距離 4 2辛8甘 2 8 5 4辛9甘 4 9 2 4辛4甘 4 4 3 3辛3甘 3 3 1 5辛3甘 5 3 18
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 近傍 k 個のアイテムで多数決 好き × 1 vs. 嫌い × 2 Aliceは1辛7甘カレーが嫌い 19
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 演習 | 他のアイテムの好き嫌いも予測してみよう 好き × 嫌い × 3辛4甘カレー 好き × 嫌い × 8辛6甘カレー 20
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 k 近傍法でランキング Aliceには 3辛4甘カレーがおすすめ 順位 アイテムID アイテム名 辛さ 甘さ 好き 嫌い 1位 6 3辛4甘 3 4 3 0 2位 8 8辛6甘 8 6 2 1 21